计算机科学>机器学习
标题: 专家建议下的持续预测
摘要: 根据专家的建议进行预测是在线学习中最基本的问题之一,它抓住了许多技术挑战。 最近的一项工作是通过微分方程和连续时间分析的视角来研究在线学习。 这种观点对在线学习中的几个问题产生了最佳结果。 本文采用连续时间随机演算来研究离散时间专家问题。 我们使用这些工具设计了一个连续的、无参数的算法,改进了分位数遗憾的保证。 然后,我们开发了一个类似的离散时间算法,具有非常相似的分析和相同的分位数遗憾边界。 最后,当增益为独立的布朗运动时,我们设计了一个具有遗憾匹配最优定时速率的任意连续时间算法; 在许多情况下,这是最困难的情况。 这表明,即使有对抗性的收益,最佳的时间和固定时间的后悔也可能是一致的。